Dados anônimos

Dados anônimos são informações alteradas de forma que não possam mais ser associadas a uma pessoa identificável e que não possam ser reassociadas por ninguém. Essa última condição é a mais difícil, e é por isso que a maioria dos dados descritos como anônimos são, na verdade, pseudônimos — uma distinção com consequências jurídicas reais.

Anonimizado A reidentificação é impossível para qualquer pessoa, inclusive para o detentor dos dados
Pseudonimizado Identificadores substituídos, mas que podem ser vinculados novamente por meio de uma chave armazenada em algum lugar
Consequência regulatória Dados verdadeiramente anônimos estão fora do âmbito do GDPR; dados pseudonimizados, não
Técnicas comuns Agregação, generalização, supressão, adição de ruído, k-anonimato, privacidade diferencial
Falha principal Reidentificação por meio da combinação de um conjunto de dados com informações externas
Observação sobre biometria Um modelo facial não é um dado anônimo — ele identifica por natureza
Estrutura dos EUA Regulamentado por meio da desidentificação prevista na HIPAA e pelas leis estaduais de privacidade, em vez de uma norma federal única
Posição prática A anonimização é um espectro, não um estado binário

Como funciona

Todas essas técnicas trocam a utilidade pela privacidade, e essa troca é inevitável.

Supressão remove identificadores diretos — nome, número de conta, e-mail. Isso é o mínimo necessário, mas, por si só, está longe de ser suficiente, pois os campos restantes frequentemente identificam as pessoas de qualquer maneira.

Generalização reduz a precisão: uma data de nascimento passa a ser um ano de nascimento, um CEP passa a ser uma região. Agregação apresenta dados sobre grupos, e não sobre indivíduos. k-anonimato formaliza isso ao exigir que cada registro seja indistinguível de pelo menos k−1 outros com base nos quase-identificadores, de modo que nenhuma combinação de atributos identifique uma única pessoa.

Privacidade diferencial adota uma abordagem diferente, adicionando ruído estatístico calibrado de modo que não seja possível determinar, a partir do resultado, se um indivíduo específico está presente no conjunto de dados. Essa é a garantia mais robusta disponível, mas compromete a precisão; por isso, sua adoção concentra-se em trabalhos estatísticos de grande escala, e não em sistemas operacionais.

O modo de falha que importa é o efeito de mosaico. Um conjunto de dados sem identificadores muitas vezes pode ser reidentificado por meio do cruzamento com outra fonte. As demonstrações clássicas — a reidentificação de prontuários médicos a partir da data de nascimento, sexo e CEP, ou de históricos de visualização da Netflix a partir de avaliações públicas — funcionaram dessa maneira. O fato de um conjunto de dados ser anônimo depende não apenas do próprio conjunto de dados, mas de tudo o mais que existe.

Por que isso é importante para a verificação de identidade

A verificação de identidade é, por definição, o oposto da anonimização, e a questão interessante é o que acontece com os dados depois disso.

A verificação exige identificabilidade — o objetivo principal é determinar qual pessoa específica está presente. Nada nesse processo pode ser anonimizado enquanto ele estiver ocorrendo. O que pode ser regulamentado é a retenção: o que é mantido depois que a decisão é tomada, de que forma e por quanto tempo.

Os modelos biométricos merecem atenção especial. Um modelo facial não é uma imagem e costuma ser descrito como anônimo, o que é incorreto. Trata-se de uma representação que identifica uma pessoa específica por definição — essa é sua função — e pesquisas já reconstruíram rostos reconhecíveis a partir desses modelos em determinadas condições. Os modelos são dados pessoais biométricos e merecem esse tratamento, e não o tratamento menos rigoroso que a palavra “anonimizado” sugere.

A análise agregada é onde se aplica a verdadeira anonimização: taxas de aprovação por tipo de documento, taxas de fraude por canal, desempenho do modelo por coorte. Essas análises são úteis, não exigem registros identificáveis e podem ser elaboradas de acordo com um padrão de anonimização genuíno. Como os dados de verificação são armazenados e mantidos é uma pergunta que vale a pena fazer a qualquer fornecedor, e a Microblink’s Fluxo de trabalho de KYC e AML foi projetado para manter os dados identificáveis apenas pelo tempo exigido pela obrigação.

Anonimizado x pseudonimizado

  Anonimizado Pseudonimizado
Reidentificação É impossível para qualquer pessoa É possível com a tecla
Tecla pressionada Não existe nenhum Pelo controlador ou por um terceiro
De acordo com o RGPD Fora do escopo Ainda são dados pessoais, totalmente abrangidos pelo escopo
Violação de obrigações Nenhum — não há dados pessoais envolvidos Obrigações completas relativas à notificação de violações
Utilitário de dados Reduzido, às vezes substancialmente Em grande parte preservado
Erros comuns de uso Aplicado a dados que são meramente pseudonimizados —

A última questão é o problema prático. As organizações costumam descrever dados submetidos a hash ou tokenizados como anônimos. Se existir, em qualquer lugar, uma chave capaz de revertê-los, os dados são pseudonimizados e todas as obrigações continuam válidas — uma distinção que os órgãos reguladores têm feito valer.

O que ele não consegue fazer

Isso não pode ser garantido de forma permanente. Um conjunto de dados que hoje é anônimo pode se tornar reidentificável amanhã, caso um novo conjunto de dados seja disponibilizado para cruzamento. A anonimização é avaliada em relação ao ambiente de informação, e esse ambiente só tende a crescer.

Isso não permite preservar a utilidade total. Toda técnica causa degradação nos dados. Garantias robustas implicam em perda substancial de precisão, e é por isso que os métodos mais robustos são os menos utilizados.

Isso não pode ser alcançado removendo nomes. Identificadores diretos são a parte fácil. A combinação de quase-identificadores — CEP, data de nascimento, sexo, profissão — frequentemente permite identificar indivíduos, e a simples remoção dos nomes deixa dados que são facilmente reidentificáveis.

Isso não se aplica a modelos biométricos. Existe um modelo para identificar uma pessoa. Ele pode ser protegido, criptografado e ter seu prazo de retenção limitado, mas não pode ser anonimizado sem deixar de ser útil para sua finalidade.

Perguntas frequentes

Qual é a diferença entre dados anônimos e dados pseudônimos?

Dados anonimizados não podem ser associados a um indivíduo por ninguém. Nos dados pseudonimizados, os identificadores são substituídos, mas ainda é possível associá-los a um indivíduo por meio de uma chave. De acordo com o GDPR, os primeiros estão totalmente fora do escopo; os segundos ainda são considerados dados pessoais, estando sujeitos a todas as obrigações decorrentes disso.

Os dados hashados são anônimos?

Normalmente, não. Se o espaço de entrada for pequeno ou previsível — endereços de e-mail, números de telefone, números de identificação nacional —, os hashes podem ser revertidos por força bruta. O hash é uma pseudonimização, a menos que seja combinado com outras medidas.

É possível reidentificar dados anonimizados?

Frequentemente, ao combiná-lo com outros conjuntos de dados. Exemplos bem conhecidos incluem a reidentificação de indivíduos a partir de prontuários médicos e históricos de navegação, utilizando-se apenas de alguns poucos quase-identificadores. O anonimato depende do que mais existe, e não apenas do próprio conjunto de dados.

Os modelos biométricos são dados anônimos?

Não. Um modelo é uma representação matemática criada especificamente para identificar uma pessoa, e pesquisas já reconstruíram rostos reconhecíveis a partir desses modelos em determinadas condições. Os modelos são dados pessoais biométricos e devem ser tratados como tal.

Leitura relacionada

Descubra nossas soluções

Para explorar nossas soluções, você está a apenas um clique de distância. Experimente nossos produtos ou converse com um de nossos especialistas para se aprofundar no que oferecemos.

Relatório
Analisando o aumento das fraudes de identidade impulsionadas pela IA

A IA não se limitou a tornar a fraude mais rápida. Ela a transformou em um sistema. Analisamos milhões de interações relacionadas à identidade para mapear como os ataques de identidade estão evoluindo em diferentes regiões, tipos de ataque e níveis de sofisticação — e o que as organizações precisam repensar para acompanhar essa evolução.

Veja os dados